Frailty status at admission to hospital predicts multiple adverse outcomes
Notice bibliographique
Résumé
Aims: frailty is proposed as a summative measure of health status and marker of individual vulnerability. We aimed to investigate the discriminative capacity of a frailty index (FI) derived from interRAI Comprehensive Geriatric Assessment for Acute Care (AC) in relation to multiple adverse inpatient outcomes. Methods: in this prospective cohort study, an FI was derived for 1,418 patients ≥70 years across 11 hospitals in Australia. The interRAI-AC was administered at admission and discharge by trained nurses, who also screened patients daily for geriatric syndromes. Results: in adjusted logistic regression models an increase of 0.1 in FI was significantly associated with increased likelihood of length of stay >28 days (odds ratio [OR]: 1.29 [1.10-1.52]), new discharge to residential aged care (OR: 1.31 [1.10-1.57]), in-hospital falls (OR: 1.29 [1.10-1.50]), delirium (OR: 2.34 [2.08-2.63]), pressure ulcer incidence (OR: 1.51 [1.23-1.87]) and inpatient mortality (OR: 2.01 [1.66-2.42]). For each of these adverse outcomes, the cut-point at which optimal sensitivity and specificity occurred was for an FI > 0.40. Specificity was higher than sensitivity with positive predictive values of 7-52% and negative predictive values of 88-98%. FI-AC was not significantly associated with readmissions to hospital. Conclusions: the interRAI-AC can be used to derive a single score that predicts multiple adverse outcomes in older inpatients. A score of ≤0.40 can well discriminate patients who are unlikely to die or experience a geriatric syndrome. Whether the FI-AC can result in management decisions that improve outcomes requires further study.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».